Blog

Big data: cosa sono e perché sono un’opportunità per le aziende

Big data: cosa sono e perché sono un’opportunità per le aziende
PUBBLICATO

11 Ott 2021

categorie

Data Hub

tag

Big data

I Big Data sono un patrimonio di inestimabile valore per le organizzazioni più o meno complesse: facilitano i processi decisionali, migliorano le performance e aiutano lo sviluppo di tutti i processi di business, solo per citare i principali vantaggi che assicurano. Ma per permettere ai dati di esprimere il massimo potenziale informativo, è necessario saperne estrarre tutto il valore. Senza competenze tecniche e strumenti adeguati di analisi e gestione, i Big Data rischiano di restare solamente dei numeri interessanti, ma non in grado di divenire supporto significativo alle strategie d’impresa.

Per padroneggiare al massimo questa grande mole di dati, è necessario, per prima cosa, comprendere che cosa sono i Big Data. Non solo: è essenziale anche capire come possono essere utilizzate queste enormi quantità di informazioni.

Qual è la definizine di Big Data? Quali sono alcuni esempi di Big Data e come possono essere applicati? In questo articolo diamo una risposta a questa e altre domande, cominciando con una spiegazione semplice dei Big Data.

Cosa sono i Big Data

C’è chi li definisce il nuovo petrolio e chi li considera il motore di una rivoluzione dalla quale non si tornerà più indietro. I Big Data sono ormai sulla bocca di tutti e una cosa è certa: tanti ne parlano, ma non tutti sanno come sfruttarli al meglio.

Cominciamo da una definizione di Big Data.

Per Big Data si intende una mole di dati così estesa in termini di volume, velocità e varietà da richiedere tecnologie e metodi analitici innovativi per raccoglierli, analizzarli e trasformali in conoscenza.

Dietro questa enorme quantità di dati si nasconde un patrimonio informativo che, se correttamente interpretato, permette alle aziende di:

  • Anticipare tendenze;
  • Abbattere i costi;
  • Incrementare le vendite;
  • Migliorare l’engagement con i clienti;
  • Conoscere i competitor e il mercato di riferimento;

Più in generale, permette di prendere decisioni strategiche in tempi rapidi.

I Big Data in azienda hanno un grande effetto su tutti i processi di business, a patto che si sfruttino gli strumenti e le competenze giuste. Per comprenderne meglio il significato, spesso di fa rifermento alle 5V dei Big Data.

Le 5V dei Big Data

Nel 2001, Doug Laney, allora vicepresidente e Service Director di Meta Group, inaugura un modello passato alla storia come le 3V dei Big Data. Secondo questo paradigma, i Big Data avrebbero tre caratteristiche:

1-    Volume: si riferisce alle enormi dimensioni dei Big Data. Basti pensare che, solo per fare un esempio, ogni minuto si registrano 41 milioni di messaggi su Whatsapp, 69mila job application su Linkedin, 28 nuove canzoni su Spotify e 347mila storie su Instagram. Non a caso, per raccogliere, analizzare e gestire questa enorme quantità di dati servono strumenti specifici.

2-    Velocità: si tratta tanto della velocità con cui i dati vengono generati, quanto della velocità con cui vengono trasmessi. Se, ad esempio, oggi è possibile ordinare un prodotto online e riceverlo 24 ore dopo è solo grazie alla rapidità con cui un semplice click genera a sua volta: una transazione bancaria, un ordine a un magazzino e la pianificazione dell’ordine di consegna in base all’organizzazione del carico.

3-    Varietà: I Big Data sono tanti, veloci e molto diversi gli uni dagli altri. La molteplicità dei Big Data si riferisce sia al loro formato (i dati possono essere numeri, immagini, stringhe di testo, video, etc.) sia alla loro fonte.

Negli anni, lo schema di Laney è stato arricchito, tant’è che oggi si parla di 5V dei Big Data.

Se le prime 3V descrivono direttamente i Big Data, queste ultime due si riferiscono più al loro utilizzo.

4-    Veridicità: Correttamente interpretati, i dati celano delle informazioni che possono rivelarsi fondamentali per prendere decisioni efficaci. Perché il processo decisionale sia veramente informato, però, i dati devono essere affidabili o, in altre parole, devono essere di “qualità”.

5-    Valore: Il patrimonio informativo che sta dietro ai dati rappresenta il loro valore. Una ricchezza enorme per le aziende che devono imparare a sfruttarla integrando i migliori strumenti per organizzare, analizzare e visualizzare i dati. In modo che le informazioni contenute al loro interno diventino facilmente accessibili e condivisibili.

Il ricorso al paradigma delle 5V dei Big Data è relativamente recente, ma i Big Data hanno una storia che si perde nei tempi. Parte addirittura dalle iscrizioni rupestri.

Cenni storici

Dalle iscrizioni su lastre di pietra ai geroglifici, dai manoscritti alle prime biblioteche, gli esseri umani hanno sempre avuto la necessità di conservare le informazioni per poterle poi riutilizzare. In questa lunga storia, ci sono tappe che hanno segnato il tempo.

La storia moderna dei Big Data comincia nel 1943, quando il governo britannico sviluppa Colossus, il primo dispositivo di elaborazione dati che ha permesso di decifrare i messaggi del regime nazista. Bisognerà aspettare il 1965 invece per la creazione di un vero e proprio data center, elaborato dal governo americano per raccogliere i dati dei suoi cittadini.

Quando, nel 1991, nasce Internet, la quantità di informazioni generate e la loro velocità di trasmissione cambiano le carte in tavola. È in questi anni che si comincia a parlare di Big Data. Anche se è difficile attribuire a questo termine una paternità esatta, sarà Francis Diebold nel 2000 a definire i Big Data come “l’esplosione nella quantità (e talvolta nella qualità) di dati disponibili e potenzialmente rilevanti”.

Il 2005 segna un’ulteriore svolta. La nascita di Facebook e Youtube moltiplica la generazione di nuovi dati, mentre il colosso Yahoo! crea Hadoop, la piattaforma open source nata per gestire e immagazzinare un’elevata quantità di dati in maniera economica ed efficiente.
Ma in quali settori i Big Data esprimono il loro massimo valore? Vediamo alcune delle principali applicazioni.

Applicazioni dei Big Data

I Big Data trovano applicazione praticamente in ogni settore e ambito, vediamone alcuni.

  • Logistica: Dietro ogni movimento, merce o sistema si cela un’enorme mole di informazioni che, correttamente raccolta e analizzata, permette di aumentare l’efficienza operativa, ottimizzare le attività di magazzino, gestire efficacemente i carichi, ridurre i rischi e molto altro.
  • Grande distribuzione organizzata: Gli acquisti dei consumatori nei punti vendita, gli articoli visualizzati online o i dati derivanti dalle carte fedeltà sono tutte informazioni preziose per seguire il percorso d’acquisto dei consumatori, valorizzare la loro esperienza e costruire strategie efficaci.
  • Finance & Insurance: Nel settore finanziario e assicurativo gli Analytics sono particolarmente efficaci per la prevenzione delle frodi e il contrasto al crimine organizzato, l’implementazione delle transazioni finanziarie, il technical pricing ed il commercial pricing personalizzato, e la gestione dei claim.
  • Pubblica amministrazione: Che la trasformazione digitale aiuti le PA non è un mistero. Con dei buoni strumenti di gestione e analisi dei dati, gli enti Pubblici possono tagliare i costi, ridurre i tempi, ottimizzare i servizi e prendere decisioni più consapevoli.
  • Marketing: Difficile dire se sia possibile ancora fare del marketing senza analisi dei dati. Web e social listening, integrati a sondaggi e customer analysis, sono ormai strumenti imprescindibili per intercettare le esigenze dei consumatori, conoscere le tendenze, migliorare il posizionamento di un brand e pianificare strategie efficaci.
  • HR:Anche la gestione delle risorse umane può trarre grandi vantaggi dai Big Data, tra questi: una maggiore capacità di trattenere i talenti (retention), una migliore valutazione delle prestazioni e gestione della formazione, un maggior coinvolgimento dei lavoratori.

Tornando ai momenti chiave della storia dei dati, il 2020 è stato un anno cruciale per il mercato dei Big Data & Analytics. Se la pandemia ha mostrato chiaramente l’importanza dei dati per prendere decisioni rapide in momenti di crisi, dall’altro lato le difficoltà economiche hanno spinto molte aziende di tutto il mondo a posticipare gli investimenti in Analytics. E in Italia?

I Big Data in Italia

 

Secondo una ricerca dell’Osservatorio Big Data & Business Analytics, il mercato dei Big Data in Italia ha registrato una crescita del 6% nel 2020, portando il giro d’affari a oltre 1,8 miliardi di euro, ma rallenta il ritmo rispetto al +23% e al +26% osservati rispettivamente nel 2018 e nel 2019.

Nonostante la frenata, il 96% delle grandi imprese ha proseguito le attività di valorizzazione del patrimonio dati aziendale, mentre il 42% è definibile maturo in ambito Advanced Analytics. A guidare il mercato sono le banche (28%), seguite da manifattura (24%), telco e media (14%).

La cultura dei Big Data in azienda è proseguita anche per le PMI. Fra le medie imprese ha investito il 61%, seppure in misura limitata, e solo l’1% ha fermato gli investimenti.

Se i Big Data sono oggi in Italia, quando nel resto del mondo, il nuovo petrolio, un’azienda che intente sfruttarne a pieno il potenziale deve avere gli strumenti giusti per “estrarre” valore dai dati. Per restare nella metafora: i Big Data Analytics sono le “trivelle” capaci di raggiungere questo obiettivo. Ma come utilizzarli in azienda?

Big Data Analytics: l’analisi dei Big Data

Oggi, estrarre conoscenza dai dati è possibile grazie a tecnologie che permettono di gestire e processare grandi volumi di dati in tempo reale, ma anche grazie alla diffusione di algoritmi e metodologie di analisi innovative, in grado di ricavare autonomamente le informazioni contenute nei dati.

Per realizzare un progetto di analisi dei Big Data, un’azienda deve innanzitutto avere chiari gli obiettivi che intende raggiungere e, in secondo luogo, valutare le competenze, le metodologie e gli strumenti da impiegare.

A seconda dello scopo dell’analisi, si distinguono quattro principali categorie di Analytics:

  • Descriptive Analytics
    Rientrano in questa categoria tutti gli strumenti volti a descrivere la situazione attuale e passata di processi aziendali. Sebbene quasi tutte le grandi organizzazioni svolgano ormai analisi descrittive, restano aperti diversi possibili sviluppi di questo tipo di Analytics: dall’aggiornamento dei dati in tempo reale, al miglioramento della loro visualizzazione.
  • Predictive Analytics
    Si tratta di strumenti che effettuano l’analisi dei dati per anticipare cosa potrebbe accadere nel futuro. La parola d’ordine per le analisi predittive è: Machine Learning.
  • Prescriptive Analytics
    Se le analisi predittive anticipano il futuro, quelle prescrittive sono in grado di proporre ai decisione maker soluzioni operative e strategiche. In altre parole, con i Prescriptive Analytics si passa dalla previsione all’azione.
  • Automated Analytics
    Quando l’analisi, l’identificazione della scelta ottimale e l’azione stessa possono essere automatizzate si entra nel dominio delle Automated Analytics, ovvero degli strumenti capaci di implementare autonomamente l’azione proposta secondo il risultato delle analisi dei dati svolte.

Le ultime tre categorie rientrano nei cosiddetti Advanced Analytics, strumenti di analisi estremamente avanzati che hanno un grande impatto su tutti i processi aziendali.

Big Data e tutela della privacy

La crescita esponenziale dei dati e l’evoluzione dei sistemi di raccolta e analisi hanno scatenato perplessità sul loro utilizzo. I dubbi maggiori riguardano la tutela della privacy degli utenti e il modo in cui i loro dati diventano accessibili a terzi.

La risposta normativa a queste preoccupazioni è stata fornita dall’Unione Europea. Con l’entrata in vigore del GDPR (General Data Protection Regulation) nel 2018, il Garante Europeo della Protezione dei Dati ha istituito delle complesse e articolate linee guida per tutelare la privacy dei dati.

Il GDPR impone liceità, correttezza e trasparenza nel trattamento dei dati personali, richiede un esplicito consenso al trattamento dei dati da parte dell’interessato ed esige una limitazione delle finalità di utilizzo e una minimizzazione dei dati personali.

L’obiettivo? Dimostrare che Big Data e Privacy possono convivere.

Esempi di applicazioni dei Big Data

I dati possono essere utilizzati per raggiungere diversi obiettivi e gli esempi di applicazioni dei Big Data sono tanti.

Un’efficace analisi dei dati permette di migliorare la reputazione di un brand, conoscere il mercato di riferimento e monitorare i propri competitor, analizzare aspettative e percezione degli utenti o monitorare tendenze e opinioni intorno ad un tema.

Possibili trend per i prossimi anni

Considerando la crescita esponenziale avvenuta negli ultimi anni, è ragionevole ipotizzare che, nel 2025, la produzione globale dei dati raggiungerà i 181 zettabyte.

L’introduzione massiccia di Internet of Things e 5G aumenterà notevolmente il numero di dispositivi capaci di generare dati, che saranno trasmessi a velocità sempre più elevate. D’altro canto, lo sviluppo di Intelligenza Artificiale e Machine Learning renderanno gli strumenti di analisi ed elaborazione dati sempre più rapidi e sofisticati.

Con queste premesse, il mercato Big Data & Analytics presenta ottime prospettive di crescita per i prossimi anni, grazie anche ai numerosi vantaggi apportati dai Big Data in azienda.

Conclusioni

Per le imprese, il potenziale dei Big Data è enorme. La buona notizia è che, buona parte di questa ricchezza, è già a disposizione delle aziende.

La sfida sarà allora trovare le giuste soluzioni per organizzare, analizzare e visualizzare questo patrimonio informativo in modo che diventi accessibile e utilizzabile. Cultura del dato, strumenti e metodologie innovative, progetti di Analytics e, soprattutto, grande competenza nel Data Management sono le cose che imprese e organizzazioni oggi devono cercare.

Un consiglio, in breve, per le aziende che vogliono davvero avere successo? Essere sempre più data-driven.

SCRIVICI

Contattaci per avviare il tuo percorso di data intelligence